Os presentes dados estão disponíveis publicamente no site do governo brasileiro como parte da politica de acesso a dados públicos de forma aberta afim de ter-se transparência nos gastos públicos.
Bibliotecas usadas para carregamentos dos dados, cálculos e renderização dos gráficos.
Incluem:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px
import re
import csv
import glob
%matplotlib inline
pd.options.plotting.backend = "plotly"
Diversas inconsistências e dados faltantes em campos. Detalhes como datas e informação de documento faltando, ou data não preenchida ou preenchida de forma incompleta.
Amostra para o ano de 2022
# header=1 -> ignore first line header
df = pd.read_csv('data/despesa_ceaps_2022.csv', delimiter=';', header=1, encoding='iso-8859-1')
df.head()
| ANO | MES | SENADOR | TIPO_DESPESA | CNPJ_CPF | FORNECEDOR | DOCUMENTO | DATA | DETALHAMENTO | VALOR_REEMBOLSADO | COD_DOCUMENTO | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2022 | 1 | ACIR GURGACZ | Aluguel de imóveis para escritório político, c... | 004.948.028-63 | GILBERTO PISELO DO NASCIMENTO | 001/22 | 03/01/2022 | Despesa com pagamento de aluguel de imóvel par... | 6000 | 2173614 |
| 1 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 26.320.603/0001-64 | INFORMANAHORA | 000000000000310/A | 04/01/2022 | Despesa com divulgação da atividade parlamenta... | 1500 | 2173615 |
| 2 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 13.659.201/0001-47 | LINHA PURPURA FOTO E VIDEO LTDA | 107 | 14/01/2022 | Despesa com produção de texto e edição de víde... | 6000 | 2173616 |
| 3 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 23.652.846/0001-01 | ROBERTO GUTIERREZ DA ROCHA M.E.I. | 187 | 18/01/2022 | Divulgação da atividade parlamentar | 1000 | 2173618 |
| 4 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 08.941.827/0001-01 | RONDONIA DINÂMICA COM. E SERV. DE INFORMÁTICA ... | 000000000001772/A | 17/01/2022 | Divulgação da atividade parlamentar | 2000 | 2173617 |
Carregando lista de arquivos contendo os dados para análise.
datas = {}
for file in sorted(glob.glob('data/*.csv')):
if re.search(r'[0-9]+(.csv)', file):
print('> load... ', file)
datas[ re.search(r'[0-9]+', file ).group(0) ] = pd.read_csv(file, delimiter=';', header=1, encoding='iso-8859-1')
#(lambda d, x: [d.pop(i) for i in x] )(datas, ['2008','2009', '2010', '2011','2012'])
> load... data/despesa_ceaps_2008.csv > load... data/despesa_ceaps_2009.csv > load... data/despesa_ceaps_2010.csv > load... data/despesa_ceaps_2011.csv > load... data/despesa_ceaps_2012.csv > load... data/despesa_ceaps_2013.csv > load... data/despesa_ceaps_2014.csv > load... data/despesa_ceaps_2015.csv > load... data/despesa_ceaps_2016.csv > load... data/despesa_ceaps_2017.csv > load... data/despesa_ceaps_2018.csv > load... data/despesa_ceaps_2019.csv > load... data/despesa_ceaps_2020.csv > load... data/despesa_ceaps_2021.csv > load... data/despesa_ceaps_2022.csv
Concatenando as tabelas de dados para formar um único da dataframe com os dados para análise.
dff = pd.concat(datas, ignore_index=True)
dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'].replace(r'(\s)', '', regex=True, inplace=True)
dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'].replace(r'(\n)','', regex=True, inplace=True)
dff.loc[0:dff.shape[0], 'VALOR_REEMBOLSADO'].replace(r'(\r)', '', regex=True, inplace=True)
dff.head()
| ANO | MES | SENADOR | TIPO_DESPESA | CNPJ_CPF | FORNECEDOR | DOCUMENTO | DATA | DETALHAMENTO | VALOR_REEMBOLSADO | COD_DOCUMENTO | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2008 | 9 | ADA MELLO | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 12351,52 | 2.008091e+12 |
| 1 | 2008 | 9 | ADA MELLO | Locomoção, hospedagem, alimentação, combustíve... | NaN | NaN | NaN | NaN | NaN | 386,6 | 2.008091e+12 |
| 2 | 2008 | 10 | ADA MELLO | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 12351,52 | 2.008101e+12 |
| 3 | 2008 | 10 | ADA MELLO | Locomoção, hospedagem, alimentação, combustíve... | NaN | NaN | NaN | NaN | NaN | 2610,68 | 2.008101e+12 |
| 4 | 2008 | 11 | ADA MELLO | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 12351,52 | 2.008111e+12 |
dff.loc[0:,'VALOR_REEMBOLSADO'].replace( regex=r'(,)', value='.', inplace=True )
#dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'] =dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'].replace( regex={r'(,)':'.'} )
#dfs['VALOR_REEMBOLSADO'] = pd.to_numeric(dff['VALOR_REEMBOLSADO'], downcast='float')
dff.head()
| ANO | MES | SENADOR | TIPO_DESPESA | CNPJ_CPF | FORNECEDOR | DOCUMENTO | DATA | DETALHAMENTO | VALOR_REEMBOLSADO | COD_DOCUMENTO | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2008 | 9 | ADA MELLO | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 12351.52 | 2.008091e+12 |
| 1 | 2008 | 9 | ADA MELLO | Locomoção, hospedagem, alimentação, combustíve... | NaN | NaN | NaN | NaN | NaN | 386.6 | 2.008091e+12 |
| 2 | 2008 | 10 | ADA MELLO | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 12351.52 | 2.008101e+12 |
| 3 | 2008 | 10 | ADA MELLO | Locomoção, hospedagem, alimentação, combustíve... | NaN | NaN | NaN | NaN | NaN | 2610.68 | 2.008101e+12 |
| 4 | 2008 | 11 | ADA MELLO | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 12351.52 | 2.008111e+12 |
dff[ 'VALOR_REEMBOLSADO'] = pd.to_numeric(dff['VALOR_REEMBOLSADO'], downcast='float')
#dff.dropna(inplace=True)
#dff.to_csv('data.csv', index=False)
No campo 'VALOR_REEMBOLSADO' trocar virgula por ponto e converter para tipo numérico (float).
df['VALOR_REEMBOLSADO'] = pd.to_numeric( df['VALOR_REEMBOLSADO'].replace(regex=r'(,)', value='.'), downcast='float')
df.head()
| ANO | MES | SENADOR | TIPO_DESPESA | CNPJ_CPF | FORNECEDOR | DOCUMENTO | DATA | DETALHAMENTO | VALOR_REEMBOLSADO | COD_DOCUMENTO | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2022 | 1 | ACIR GURGACZ | Aluguel de imóveis para escritório político, c... | 004.948.028-63 | GILBERTO PISELO DO NASCIMENTO | 001/22 | 03/01/2022 | Despesa com pagamento de aluguel de imóvel par... | 6000.0 | 2173614 |
| 1 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 26.320.603/0001-64 | INFORMANAHORA | 000000000000310/A | 04/01/2022 | Despesa com divulgação da atividade parlamenta... | 1500.0 | 2173615 |
| 2 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 13.659.201/0001-47 | LINHA PURPURA FOTO E VIDEO LTDA | 107 | 14/01/2022 | Despesa com produção de texto e edição de víde... | 6000.0 | 2173616 |
| 3 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 23.652.846/0001-01 | ROBERTO GUTIERREZ DA ROCHA M.E.I. | 187 | 18/01/2022 | Divulgação da atividade parlamentar | 1000.0 | 2173618 |
| 4 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 08.941.827/0001-01 | RONDONIA DINÂMICA COM. E SERV. DE INFORMÁTICA ... | 000000000001772/A | 17/01/2022 | Divulgação da atividade parlamentar | 2000.0 | 2173617 |
Converter campo 'DATA' do tipo string para tipo Date. Campos de data não preenchidos ou preenchidos em formato incorreto será ignorados mantendo conteúdo antigo sem ser convertido para o tipo "datetime" do Python.
# Converter DATA para tipo Date
df['DATA'] = pd.to_datetime(df['DATA'], dayfirst=True, errors='ignore')
df
| ANO | MES | SENADOR | TIPO_DESPESA | CNPJ_CPF | FORNECEDOR | DOCUMENTO | DATA | DETALHAMENTO | VALOR_REEMBOLSADO | COD_DOCUMENTO | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2022 | 1 | ACIR GURGACZ | Aluguel de imóveis para escritório político, c... | 004.948.028-63 | GILBERTO PISELO DO NASCIMENTO | 001/22 | 2022-01-03 | Despesa com pagamento de aluguel de imóvel par... | 6000.00 | 2173614 |
| 1 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 26.320.603/0001-64 | INFORMANAHORA | 000000000000310/A | 2022-01-04 | Despesa com divulgação da atividade parlamenta... | 1500.00 | 2173615 |
| 2 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 13.659.201/0001-47 | LINHA PURPURA FOTO E VIDEO LTDA | 107 | 2022-01-14 | Despesa com produção de texto e edição de víde... | 6000.00 | 2173616 |
| 3 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 23.652.846/0001-01 | ROBERTO GUTIERREZ DA ROCHA M.E.I. | 187 | 2022-01-18 | Divulgação da atividade parlamentar | 1000.00 | 2173618 |
| 4 | 2022 | 1 | ACIR GURGACZ | Divulgação da atividade parlamentar | 08.941.827/0001-01 | RONDONIA DINÂMICA COM. E SERV. DE INFORMÁTICA ... | 000000000001772/A | 2022-01-17 | Divulgação da atividade parlamentar | 2000.00 | 2173617 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 16593 | 2022 | 12 | ZEQUINHA MARINHO | Passagens aéreas, aquáticas e terrestres nacio... | 22.052.777/0001-32 | Exceller Tour | WIXHAI | 2022-12-06 | Companhia Aérea: LATAM, Localizador: WIXHAI. P... | 2893.04 | 2191398 |
| 16594 | 2022 | 12 | ZEQUINHA MARINHO | Passagens aéreas, aquáticas e terrestres nacio... | 22.052.777/0001-32 | Exceller Tour | WITOLM | 2022-12-09 | Companhia Aérea: GOL, Localizador: WITOLM. Pas... | 1180.19 | 2192272 |
| 16595 | 2022 | 12 | ZEQUINHA MARINHO | Passagens aéreas, aquáticas e terrestres nacio... | 22.052.777/0001-32 | Exceller Tour | THPKVQ | 2022-12-20 | Companhia Aérea: TAM, Localizador: THPKVQ. Pas... | 2671.90 | 2192274 |
| 16596 | 2022 | 12 | ZEQUINHA MARINHO | Passagens aéreas, aquáticas e terrestres nacio... | 22.052.777/0001-32 | Exceller Tour | QNN9HX | 2022-12-21 | Companhia Aérea: AZUL, Localizador: QNN9HX. Pa... | 1334.31 | 2192244 |
| 16597 | 2022 | 12 | ZEQUINHA MARINHO | Passagens aéreas, aquáticas e terrestres nacio... | 22.052.777/0001-32 | Exceller Tour | WMQWBX | 2022-12-30 | Companhia Aérea: TAM, Localizador: WMQWBX. Pas... | 2250.72 | 2193622 |
16598 rows × 11 columns
senadores = df['SENADOR'].unique()
df_gastos_sn = { 'Senador':[], 'GastoAnual':[], 'RegsSemDocumento':[], 'RegsSemDetalhamentoDoGasto':[] }
df.loc[ df['SENADOR'] == 'LUCAS BARRETO', 'DETALHAMENTO' ].isna().sum()
228
for i in senadores:
df_gastos_sn['Senador'].append(i)
df_gastos_sn['GastoAnual'].append( df.loc[ df['SENADOR'] == i, 'VALOR_REEMBOLSADO'].sum() )
#df_gastos_sn['RegsSemDocumento'].append( df[ df.loc[0:,'DOCUMENTO'].isna() == True][df.loc[0:,'SENADOR'] == i ].isna().sum()['DOCUMENTO'] )
df_gastos_sn['RegsSemDocumento'].append( df.loc[ df['SENADOR'] == i, 'DOCUMENTO'].isna().sum() )
#df_gastos_sn['RegsSemDetalhamentoDoGasto'].append( df[ df.loc[0:,'DETALHAMENTO'].isna() == True][df.loc[0:, 'SENADOR'] == i ].isna().sum()['DETALHAMENTO'] )
df_gastos_sn['RegsSemDetalhamentoDoGasto'].append( df.loc[ df['SENADOR'] == i, 'DETALHAMENTO'].isna().sum() )
print( len(df_gastos_sn['GastoAnual']), len(df_gastos_sn['Senador']), len(df_gastos_sn['RegsSemDocumento']), len(df_gastos_sn['RegsSemDetalhamentoDoGasto']))
97 97 97 97
#ds = pd.DataFrame( { 'Senador': df_gastos_sn['Senador'], 'Gastos': df_gastos_sn['GastoAnual'] })
ds = pd.DataFrame( df_gastos_sn )
ds = ds.sort_values(by=['GastoAnual'], ascending=False)
ds
| Senador | GastoAnual | RegsSemDocumento | RegsSemDetalhamentoDoGasto | |
|---|---|---|---|---|
| 50 | LUCAS BARRETO | 511319.78 | 0 | 228 |
| 90 | TELMÁRIO MOTA | 488693.40 | 0 | 249 |
| 64 | MECIAS DE JESUS | 488586.66 | 0 | 127 |
| 68 | OMAR AZIZ | 487541.24 | 0 | 0 |
| 9 | CHICO RODRIGUES | 486958.05 | 0 | 72 |
| ... | ... | ... | ... | ... |
| 5 | ANTONIO ANASTASIA | 19647.13 | 3 | 15 |
| 33 | GUARACY SILVEIRA | 19285.82 | 0 | 1 |
| 49 | LEILA BARROS | 10567.64 | 12 | 12 |
| 63 | MARIA ELIZA DE AGUIAR E SILVA | 10136.42 | 0 | 0 |
| 84 | SAMUEL ARAUJO | 3233.90 | 0 | 0 |
97 rows × 4 columns
ds[:10].plot(x='Senador', y='GastoAnual', title='Gastos (R$) Senadores Brasileiros 2022', kind='bar')
ds.sort_values(by=['RegsSemDocumento'], ascending=False)[:10].plot(x='Senador', y='RegsSemDocumento', title='10 Sen. Sem Documento de Registro do Gasto', kind='bar')
# Número de campos não preenchidos para senadora 'Zenaide Maia'. Neste trecho é possível contar quantos senadores não
# preencheram o campo para o documento do gasto declarado.
#df[ df['DOCUMENTO'].isna() == True][df['SENADOR'] == 'ZENAIDE MAIA'].isna().sum()
# Plotly geneate fle to graphics host
#import plotly.io as pio
#fig_a = ds[:10].plot(x='Senador', y='GastoAnual', title='Gastos (R$) Senadores Brasileiros 2022', kind='bar')
#fig_b = ds.sort_values(by=['RegsSemDocumento'], ascending=False)[:10].plot(x='Senador', y='RegsSemDocumento', title='10 Sen. Sem Documento de Registro do Gasto', kind='bar')
#pio.write_html(fig_a, file='figa.html', auto_open=True)
#pio.write_html(fig_b, file='figb.html', auto_open=True)
dff[dff["ANO"] == 2008 ]["VALOR_REEMBOLSADO"].sum()
11575947.4
anos = [ i for i in range(2008, 2023) ]
mes = ['Jan', 'Fev', 'Mar', 'Abr', 'Mai', 'Jul', 'Jun', 'Agos', 'Set', 'Nov', 'Dez']
data = {'Data': [], 'Gasto': []}
for i in anos:
for j in mes:
data['Data'].append(j+'/'+str(i))
data['Gasto'].append( dff[ (dff['ANO'] == i ) & ( dff['MES'] == mes.index(j) + 1 ) ]['VALOR_REEMBOLSADO'].sum() )
dl = pd.DataFrame(data, columns=['Data', 'Gasto'])
dl.to_csv('sgasto.csv', index=False)
#dl.drop([0], inplace=True)
A = np.array([dl.index, dl['Gasto'] ] )
A[0][1]
1.0
asize = int( (75/100.0)*dl.shape[0] ) + 1
tsize = dl.shape[0] - asize
ds_train = dl[0:asize].copy()
ds_test = dl[asize:].copy()
ds_train.head()
| Data | Gasto | |
|---|---|---|
| 0 | Jan/2008 | 0.00 |
| 1 | Fev/2008 | 900507.98 |
| 2 | Mar/2008 | 1064673.39 |
| 3 | Abr/2008 | 1032569.59 |
| 4 | Mai/2008 | 918064.51 |
#ds_test = ds_test.reindex([ i+1 for i in range(tsize) ], method='bfill', copy=True)
ds_test.head()
| Data | Gasto | |
|---|---|---|
| 124 | Abr/2019 | 2036964.21 |
| 125 | Mai/2019 | 2197949.53 |
| 126 | Jul/2019 | 2199537.09 |
| 127 | Jun/2019 | 1880208.80 |
| 128 | Agos/2019 | 2185251.87 |
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
dl = dl.drop([0])
np.array(dl.index)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13,
14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26,
27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39,
40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52,
53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65,
66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78,
79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91,
92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104,
105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117,
118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130,
131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143,
144, 145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156,
157, 158, 159, 160, 161, 162, 163, 164])
X_train, X_test, y_train, y_test = train_test_split(np.array(dl.index).reshape(-1,1), np.array(dl['Gasto']).reshape(-1,1), test_size = 0.30)
regr = LinearRegression()
regr.fit(X_train, y_train)
print(f'Score: {round(regr.score(X_test, y_test)*100, 3)}%')
Score: 24.952%
print(X_test.shape, y_test.shape)
(50, 1) (50, 1)
y_pred = regr.predict(X_test)
plt.scatter(X_test, y_test, color ='b')
plt.plot(X_test, y_pred, color ='k')
plt.show()
dl.plot(x='Data', y='Gasto', title='Gastos Mensais', kind='bar')
dff[ ( dff['MES'] == mes.index('Fev')+1 ) & (dff['ANO'] == 2008) ]
| ANO | MES | SENADOR | TIPO_DESPESA | CNPJ_CPF | FORNECEDOR | DOCUMENTO | DATA | DETALHAMENTO | VALOR_REEMBOLSADO | COD_DOCUMENTO | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 8 | 2008 | 2 | ADELMIR SANTANA | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 13800.00 | 2.008021e+12 |
| 9 | 2008 | 2 | ADELMIR SANTANA | Locomoção, hospedagem, alimentação, combustíve... | NaN | NaN | NaN | NaN | NaN | 1151.13 | 2.008021e+12 |
| 30 | 2008 | 2 | ALMEIDA LIMA | Aluguel de imóveis para escritório político, c... | NaN | NaN | NaN | NaN | NaN | 2279.98 | 2.008020e+12 |
| 31 | 2008 | 2 | ALMEIDA LIMA | Aquisição de material de consumo para uso no e... | NaN | NaN | NaN | NaN | NaN | 140.90 | 2.008020e+12 |
| 32 | 2008 | 2 | ALMEIDA LIMA | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 41.22 | 2.008020e+12 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 2352 | 2008 | 2 | VALTER PEREIRA | Locomoção, hospedagem, alimentação, combustíve... | NaN | NaN | NaN | NaN | NaN | 10403.56 | 2.008021e+12 |
| 2406 | 2008 | 2 | WELLINGTON SALGADO DE OLIVEIRA | Aluguel de imóveis para escritório político, c... | NaN | NaN | NaN | NaN | NaN | 1796.21 | 2.008021e+12 |
| 2407 | 2008 | 2 | WELLINGTON SALGADO DE OLIVEIRA | Aquisição de material de consumo para uso no e... | NaN | NaN | NaN | NaN | NaN | 247.59 | 2.008021e+12 |
| 2408 | 2008 | 2 | WELLINGTON SALGADO DE OLIVEIRA | Contratação de consultorias, assessorias, pesq... | NaN | NaN | NaN | NaN | NaN | 450.00 | 2.008021e+12 |
| 2409 | 2008 | 2 | WELLINGTON SALGADO DE OLIVEIRA | Locomoção, hospedagem, alimentação, combustíve... | NaN | NaN | NaN | NaN | NaN | 2895.01 | 2.008021e+12 |
231 rows × 11 columns
dff[ (dff['MES'] == 8) & (dff['ANO'] == 2015) ]
| ANO | MES | SENADOR | TIPO_DESPESA | CNPJ_CPF | FORNECEDOR | DOCUMENTO | DATA | DETALHAMENTO | VALOR_REEMBOLSADO | COD_DOCUMENTO | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 144393 | 2015 | 8 | ACIR GURGACZ | Aluguel de imóveis para escritório político, c... | 004.948.028-63 | GILBERTO PISELO DO NASCIMENTO | 008/15 | 03/08/2015 | Despesa com pagamento de aluguel de imóvel par... | 6000.00 | 2015568.0 |
| 144394 | 2015 | 8 | ACIR GURGACZ | Locomoção, hospedagem, alimentação, combustíve... | 34.274.233/0097-46 | PETROBRAS DISTRIBUIDORA | 000539271 | 06/08/2015 | Despesa com aquisição de combustível para abas... | 1960.11 | 2015569.0 |
| 144395 | 2015 | 8 | ACIR GURGACZ | Locomoção, hospedagem, alimentação, combustíve... | 34.274.233/0097-46 | PETROBRAS DISTRIBUIDORA | 000539459 | 07/08/2015 | Despesa com aquisição de combustível para abas... | 1538.08 | 2015570.0 |
| 144396 | 2015 | 8 | ACIR GURGACZ | Locomoção, hospedagem, alimentação, combustíve... | 34.274.233/0097-46 | PETROBRAS DISTRIBUIDORA | 000539877 | 10/08/2015 | Despesa com aquisição de combustível para abas... | 1960.11 | 2015571.0 |
| 144397 | 2015 | 8 | ACIR GURGACZ | Locomoção, hospedagem, alimentação, combustíve... | 34.274.233/0112-10 | PETROBRAS DISTRIBUIDORA | 000067584 | 12/08/2015 | Despesa com aquisição de combustível para abas... | 4575.22 | 2015573.0 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 170225 | 2015 | 8 | ZEZÉ PERRELLA | Passagens aéreas, aquáticas e terrestres nacio... | 02.575.829/0001-48 | Avianca | Z8WCDT | 28/08/2015 | Companhia Aérea: AVIANCA, Localizador: Z8WCDT.... | 1638.87 | 2018391.0 |
| 170226 | 2015 | 8 | ZEZÉ PERRELLA | Passagens aéreas, aquáticas e terrestres nacio... | 09.296.295/0001-60 | Azul | F65KMV | 06/08/2015 | Companhia Aérea: AZUL, Localizador: F65KMV. Pa... | 724.93 | 2018369.0 |
| 170227 | 2015 | 8 | ZEZÉ PERRELLA | Passagens aéreas, aquáticas e terrestres nacio... | 09.296.295/0001-60 | Azul | WE9I5N | 10/08/2015 | Companhia Aérea: AZUL, Localizador: WE9I5N. Pa... | 676.35 | 2018371.0 |
| 170228 | 2015 | 8 | ZEZÉ PERRELLA | Passagens aéreas, aquáticas e terrestres nacio... | 09.296.295/0001-60 | Azul | YDIFND | 28/08/2015 | Companhia Aérea: AZUL, Localizador: YDIFND. Pa... | 674.73 | 2018389.0 |
| 170229 | 2015 | 8 | ZEZÉ PERRELLA | Passagens aéreas, aquáticas e terrestres nacio... | 02.012.862/0001-60 | TAM | ZX2CDH | 27/08/2015 | Companhia Aérea: TAM, Localizador: ZX2CDH. Pas... | 930.18 | 2018387.0 |
2494 rows × 11 columns